So übersetzt Quanta Lernforschung in Produktentscheidungen

Die Seite zeigt, welche Studien einzelne Lernfunktionen prägen, was Quantas eigene Messungen erfassen und wo die Aussagekraft dieser Evidenz endet.

Quellen-Grounding

100 % der ausgelieferten KI-Karten quellenbelegt, 97,8 % Quote-Match (eigene offene Studie, Juni 2026).

FSRS-6 Algorithmus

Im offenen Vergleich der open-spaced-repetition-Gemeinschaft erreicht FSRS-6 einen Log-Loss von 0,3460 auf 349.923.850 Wiederholungen aus 9.999 Sammlungen (abgerufen am 5. September 2026); Log-Loss misst den Vorhersagefehler, kleiner ist besser, und eine Zeile für SM-2 führt diese Tabelle nicht. Die begutachtete Arbeit dahinter, Ye et al. 2022, berichtet 220 Millionen Verhaltensprotokolle und eine Verbesserung von 12,6 % gegenüber dem Stand der Technik. Beides sind Ergebnisse dieser Datensätze und keine pauschale Produktwirkung.

Active Recall

Karpicke und Roediger (2008) berichten nach einer Woche rund 80 % erinnerte Vokabelpaare in den beiden Bedingungen mit wiederholtem Abruf und 36 % und 33 % in den beiden Bedingungen, in denen die Paare nach dem ersten Treffer aus dem Test genommen wurden; die Werte gelten für diese Versuchsanordnung und sind kein allgemeines Wirkversprechen für jede Lernsituation oder für Quanta.

Bloom-Taxonomie

Sechs wählbare Stufen; die Auswahl ist für die Generierung bindend, ohne Auswahl mischt die KI über alle sechs.

Eigene offene Studie, Juni 2026

Gemessen statt behauptet: KI-Karten ohne Halluzination

Jede KI-generierte Karte wird serverseitig per Quote-Match gegen ihre Quelle geprüft, und was nicht belegt werden kann, wird verworfen. Der Roh-Datensatz der Studie ist offen und zum Download verfügbar.

100%
der ausgelieferten Karteikarten quellenbelegt
97,8%
Quote-Match-Trefferquote
1.997 von 2.042
erzeugten Karten bestehen den Quote-Match
Zur Studie mit offenem Datensatz

Evidenzbasiertes Lernen

Die Wissenschaft hinter Quanta.

srs-benchmark (vormals fsrs-benchmark), open-spaced-repetition, abgerufen am 5. September 2026 · Ye et al. 2022, ACM SIGKDD

01Problem

Anki unterstützt FSRS, verlangt aber mehr Eigenkonfiguration. Quanta integriert FSRS-6 direkt mit Quellenworkflow, Lernplanung und Prüfungssimulation.

02Wissenschaftlicher Befund

FSRS modelliert Stabilität, Schwierigkeit und Abrufbarkeit individuell. Im offenen Vergleich der open-spaced-repetition-Gemeinschaft erreicht FSRS-6 einen Log-Loss von 0,3460 auf 349.923.850 Wiederholungen aus 9.999 Sammlungen (abgerufen am 5. September 2026); Log-Loss misst den Vorhersagefehler, kleiner ist besser, und eine Zeile für SM-2 führt diese Tabelle nicht. Die begutachtete Arbeit dahinter, Ye et al. 2022, berichtet 220 Millionen Verhaltensprotokolle und eine Verbesserung von 12,6 % gegenüber dem Stand der Technik. Beides sind Ergebnisse dieser Datensätze und keine pauschale Produktwirkung.

03Wie Quanta das nutzt

Quanta nutzt deine Bewertungen, um mit FSRS für jede Karte den nächsten Wiederholungstermin anhand des modellierten Gedächtniszustands zu berechnen.

Beispiel

Du bereitest dich auf deine Analysis-Klausur vor. Quanta sieht, dass du Grenzwerte sicher beherrschst, bei Integralen aber noch schwächelst, und plant diese gezielt für morgen früh.

Gesamte Studie lesen
Retentionswahrscheinlichkeit über Zeit
0%25%50%75%100%0d5d10d20d30dRETENTION (%)TAGE NACH LERNEINHEIT18%62%
Legacy SM-2
FSRS (Quanta)

srs-benchmark (vormals fsrs-benchmark), open-spaced-repetition, abgerufen am 5. September 2026 · Log-Loss 0,3460 auf 349.923.850 Wiederholungen

Drei Methoden · Drei Studien

Methoden, die messbar wirken.

Karpicke & Roediger 2008 · Science

Aktiver Abruf

Karpicke und Roediger (2008) berichten nach einer Woche rund 80 % erinnerte Vokabelpaare in den beiden Bedingungen mit wiederholtem Abruf und 36 % und 33 % in den beiden Bedingungen, in denen die Paare nach dem ersten Treffer aus dem Test genommen wurden; die Werte gelten für diese Versuchsanordnung und sind kein allgemeines Wirkversprechen für jede Lernsituation oder für Quanta.

Erinnerte Vokabelpaare nach einer Woche (%)
0%25%50%75%100%36 %STNWeiter gelesen, nicht mehr abgefragt33 %SNTNWeder gelesen noch abgefragt≈ 80 %STGelesen und abgefragt≈ 80 %SNTNur noch abgefragtQUANTA

S = weiter gelesen · T = weiter abgefragt · N = aus der Runde genommen

Karpicke & Roediger 2008, Science 319:966–968

In Quanta

Jede Session endet mit aktivem Abruf, mit Anschlussfragen statt Multiple-Choice-Raten.

Studie lesen

Rohrer & Taylor 2007 · Instructional Science

Interleaving

Blockiertes Üben fühlt sich stark an und bricht in der Prüfung auf 20 % ein. Gemischtes Üben hält 63 %, also Faktor 3.

Blocked vs. Interleaving: Leistungsvergleich (%)
0%25%50%75%100%1 Woche später95%70%Übungsphase20%63%QUANTAPrüfung (1W)
Blocked
Interleaving (Quanta)

Rohrer & Taylor 2007 · Instructional Science 35(6) · n = 24 Teilnehmer

In Quanta

Quanta mischt Themen in jeder Session automatisch, genau wie in der echten Prüfung.

Studie lesen

Chi et al. 2001 · Cognitive Science

Sokrates-Methode

Dialogisches Lernen erzeugt tieferes Konzeptverständnis als direkte Instruktion. Wer selbst erklärt, versteht.

Rückfragen, Feedback und Modellantwort.

Warum oxidiert Mangan in MnO₄⁻ nicht weiter?

Weil es schon in der höchsten Oxidationsstufe ist?

Richtig. Und welche Stufe ist das, was sagt dir die Ladung des Komplexes?

Chi et al. 2001 · Cognitive Science 25 · dialogisches Lernen

In Quanta

Quantas KI stellt kontextbezogene Rückfragen und kann anschließend Feedback sowie eine Modellantwort geben.

Studie lesen

Ye et al. 2022, ACM SIGKDD · offener Vergleich, abgerufen am 5. September 2026

Anki unterstützt FSRS,
Quanta integriert es ohne Setup.

SM-2 (1987) kennt keine individuelle Gedächtnismodellierung, FSRS-6 führt Stabilität, Schwierigkeit und Abrufbarkeit je Karteikarte einzeln. Im offenen Vergleich der open-spaced-repetition-Gemeinschaft erreicht FSRS-6 einen Log-Loss von 0,3460 auf 349.923.850 Wiederholungen aus 9.999 Sammlungen (abgerufen am 5. September 2026); Log-Loss misst den Vorhersagefehler, kleiner ist besser, und eine Zeile für SM-2 führt diese Tabelle nicht. Die begutachtete Arbeit dahinter, Ye et al. 2022, berichtet 220 Millionen Verhaltensprotokolle und eine Verbesserung von 12,6 % gegenüber dem Stand der Technik. Beides sind Ergebnisse dieser Datensätze und keine pauschale Produktwirkung.

Quelle: ACM KDD 2022

Log-Loss FSRS-6, Skala 0 bis 1kleiner ist besser
0,3460
Quanta PräzisionFSRS-6 Algorithmus
0,3460

Validiert auf 349.923.850 Wiederholungen · Wie das deinen Readiness Score berechnet →

Karteikarten können mehr, wenn der Workflow integriert ist.

Anki unterstützt FSRS als konfigurierbare Option. Quanta verbindet FSRS-6 mit Source-First-Generierung, Formelwerkzeugen und Prüfungssimulation.

FeatureQuantaAnkiQuizletStudySmarter
AlgorithmusFSRS-6 (2025)FSRS / SM-2Learn (personalisiert)Spaced Repetition
Quellenprotokoll
KI-Tutor
Formeln / LaTeX
Werbefrei

Quellenprotokoll · Vollständiger Vergleich · Bloom-Taxonomie

FSRS-6 ohne separates Setup

Suchst du eine moderne Alternative zu Anki?

Anki unterstützt FSRS und weitreichende Eigenkonfiguration. Quanta bettet FSRS-6 in einen geführten Workflow mit Source-First-KI, Prüfungssimulation und Readiness Score ein.

Vergleich ansehen

Was steckt hinter der Methode?

FSRS, Active Recall, Ebbinghaus, alle Konzepte, die Quanta fundieren, erklärt mit peer-reviewten Quellen.

Überzeugt? Starte jetzt kostenlos.

Erlebe quellenbelegte KI-Karten, FSRS-6 und Active Recall in der Praxis. Kostenloser Zugang, keine Kreditkarte nötig.